地灾监测预警方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了地灾监测预警方法、装置、计算机设备及存储介质。所述方法包括：获取设置在同一个边坡的多个不同传感器的监测数据；其中，每个所述监测数据包括雨量监测数据以及深部位移监测数据；将每个所述监测数据输入至监测模型内进行地灾监测，以得到所有监测结果；将所有监测结果进行加权处理，以得到最终监测结果；判断所述最终监测结果是否是存在滑坡风险；若所述最终监测结果存在滑坡风险，则发送预警信号至终端；其中，监测模型是通过若干个带有滑坡类别和非滑坡类别标签的传感器所获取的监测数据作为样本集训练深度森林算法所得，且监测模型采用ROC曲线进行评估。通过实施本发明专利技术实施例的方法可实现提高地灾监测和预警的准确率。测和预警的准确率。测和预警的准确率。

【技术实现步骤摘要】
地灾监测预警方法、装置、计算机设备及存储介质


[0001]本专利技术涉及地灾监测方法，更具体地说是指地灾监测预警方法、装置、计 算机设备及存储介质。

技术介绍

[0002]滑坡是指斜坡上的土体或者岩体，受河流冲刷、地下水活动、雨水浸泡、 地震及人工切坡等因素影响，在重力作用下，沿着一定的软弱面或者软弱带， 整体地或者分散地顺坡向下滑动的自然现象。滑坡属于地灾的其中一种，其与 深部位移以及雨量相关，任何一方超过安全结界，则会导致滑坡的发生。
[0003]目前对于滑坡等地灾的监测预警一般采用一个边坡采用单个传感器进行监 测，当传感器监测到深部位移以及雨量其中一个超过安全结界，则通常采用基 于单个超声波测距或者激光测距的传感器进行雨量和深部位移监测，这些方法 通常只能监测单点的雨量和深部位移监测的过程中，会受到多种因素的干扰， 导致监测结果不准确，且进行判定均是人为根据经验判断，准确率不高。
[0004]因此，有必要设计一种新的方法，实现提高地灾监测和预警的准确率。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供地灾监测预警方法、装置、 计算机设备及存储介质。
[0006]为实现上述目的，本专利技术采用以下技术方案：地灾监测预警方法，包括：
[0007]获取设置在同一个边坡的多个不同传感器的监测数据；其中，每个所述监 测数据包括雨量监测数据以及深部位移监测数据；
[0008]将每个所述监测数据输入至监测模型内进行地灾监测，以得到所有监测结 果；
[0009]将所有监测结果进行加权处理，以得到最终监测结果；
[0010]判断所述最终监测结果是否是存在滑坡风险；
[0011]若所述最终监测结果存在滑坡风险，则发送预警信号至终端；
[0012]其中，所述监测模型是通过若干个带有滑坡类别和非滑坡类别标签的传感 器所获取的监测数据作为样本集训练深度森林算法所得，且监测模型采用ROC 曲线进行评估。
[0013]其进一步技术方案为：所述监测模型是通过若干个带有滑坡类别和非滑坡 类别标签的传感器所获取的监测数据作为样本集训练深度森林算法所得，且监 测模型采用ROC曲线进行评估，包括：
[0014]收集若干个传感器所获取的监测数据，并进行判断和标注，将监测数据划 分为滑坡数据和非滑坡数据，以形成样本集；
[0015]对深度森林算法的结构进行设计，按照需要区分的滑坡数据和非滑坡数据 类别，微调级联森林的输出，定义损失函数；
[0016]将样本集进行随机分配，以形成训练集和测试集；
[0017]使用训练集调整合适的迭代次数对深度森林算法进行训练，使用测试集初 步查看分类结果；
[0018]调整学习率，根据得到的滑坡和非滑坡的分类准确性，重新训练并测试深 度森林算法；
[0019]绘制滑坡数据和非滑坡数据分类的训练过程中的准确率、损失函数和ROC 曲线，对深度森林算法的性能进行进一步评估，以得到监测模型。
[0020]其进一步技术方案为：所述将每个所述监测数据输入至监测模型内进行地 灾监测，以得到所有监测结果，包括：
[0021]对每个所述监测数据输入至监测模型内进行雨量监测以及深部位移监测， 以得到每个监测数据对应预测所得的雨量监测结果与深部位移监测结果；
[0022]根据每个监测数据对应预测所得的雨量监测结果与深部位移监测结果计算 对应的监测结果，以得到所有监测结果。
[0023]其进一步技术方案为：所述将所有监测结果进行加权处理，以得到最终监 测结果，包括：
[0024]对所有监测结果中存在滑坡风险的概率进行加权后并求均值，以得到最终 监测结果。
[0025]其进一步技术方案为：所述判断所述最终监测结果是否是存在滑坡风险之 后，还包括：
[0026]若所述最终监测结果不存在滑坡风险，则执行所述获取设置在同一个边坡 的多个不同传感器的监测数据。
[0027]其进一步技术方案为：所述预警信号包括存在滑坡风险的边坡信息以及滑 坡风险的发生概率。
[0028]本专利技术还提供了地灾监测预警装置，包括：
[0029]数据获取单元，用于获取设置在同一个边坡的多个不同传感器的监测数据； 其中，每个所述监测数据包括雨量监测数据以及深部位移监测数据；
[0030]监测单元，用于将每个所述监测数据输入至监测模型内进行地灾监测，以 得到所有监测结果；
[0031]加权处理单元，用于将所有监测结果进行加权处理，以得到最终监测结果；
[0032]判断单元，用于判断所述最终监测结果是否是存在滑坡风险；
[0033]发送单元，用于若所述最终监测结果存在滑坡风险，则发送预警信号至终 端；
[0034]其中，所述监测模型是通过若干个带有滑坡类别和非滑坡类别标签的传感 器所获取的监测数据作为样本集训练深度森林算法所得，且监测模型采用ROC 曲线进行评估。
[0035]其进一步技术方案为：所述监测单元包括：
[0036]各项监测子单元，用于对每个所述监测数据输入至监测模型内进行雨量监 测以及深部位移监测，以得到每个监测数据对应预测所得的雨量监测结果与深 部位移监测结果；
[0037]结果计算子单元，用于根据每个监测数据对应预测所得的雨量监测结果与 深部位移监测结果计算对应的监测结果，以得到所有监测结果。
[0038]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器， 所述存
储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述 的方法。
[0039]本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计 算机程序被处理器执行时可实现上述的方法。
[0040]本专利技术与现有技术相比的有益效果是：本专利技术通过在同一边坡设置多个不 同传感器，以进行监测数据的获取，并输入至监测模型内进行雨量监测结果和 深部位移监测结果的预测，并由雨量监测结果和深部位移监测结果计算对应的 监测结果，由监测结果计算最终监测结果，且监测模型采用深度森林算法进行 训练结合ROC曲线进行评估，实现提高地灾监测和预警的准确率。
[0041]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0042]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要 使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实 施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0043]图1为本专利技术实施例提供的地灾监测预警方法的应用场景示意图；
[0044]图2为本专利技术实施例提供的地灾监测预警方法的流程示意图；
[0045]图3为本专利技术实施例提供的地灾监测预警方法的子流程示意图；
[0046]图4为本专利技术实施例提供的地灾监测预警装置的示意性框图；
[0047]图5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.地灾监测预警方法，其特征在于，包括：获取设置在同一个边坡的多个不同传感器的监测数据；其中，每个所述监测数据包括雨量监测数据以及深部位移监测数据；将每个所述监测数据输入至监测模型内进行地灾监测，以得到所有监测结果；将所有监测结果进行加权处理，以得到最终监测结果；判断所述最终监测结果是否是存在滑坡风险；若所述最终监测结果存在滑坡风险，则发送预警信号至终端；其中，所述监测模型是通过若干个带有滑坡类别和非滑坡类别标签的传感器所获取的监测数据作为样本集训练深度森林算法所得，且监测模型采用ROC曲线进行评估。2.根据权利要求1所述的地灾监测预警方法，其特征在于，所述监测模型是通过若干个带有滑坡类别和非滑坡类别标签的传感器所获取的监测数据作为样本集训练深度森林算法所得，且监测模型采用ROC曲线进行评估，包括：收集若干个传感器所获取的监测数据，并进行判断和标注，将监测数据划分为滑坡数据和非滑坡数据，以形成样本集；对深度森林算法的结构进行设计，按照需要区分的滑坡数据和非滑坡数据类别，微调级联森林的输出，定义损失函数；将样本集进行随机分配，以形成训练集和测试集；使用训练集调整合适的迭代次数对深度森林算法进行训练，使用测试集初步查看分类结果；调整学习率，根据得到的滑坡和非滑坡的分类准确性，重新训练并测试深度森林算法；绘制滑坡数据和非滑坡数据分类的训练过程中的准确率、损失函数和ROC曲线，对深度森林算法的性能进行进一步评估，以得到监测模型。3.根据权利要求1所述的地灾监测预警方法，其特征在于，所述将每个所述监测数据输入至监测模型内进行地灾监测，以得到所有监测结果，包括：对每个所述监测数据输入至监测模型内进行雨量监测以及深部位移监测，以得到每个监测数据对应预测所得的雨量监测结果与深部位移监测结果；根据每个监测数据对应预测所得的雨量监测结果与深部位移监测结果计算对应的监测结果，以得到所有监测结果。4.根据权利要求1所述的地灾监测预警方法，其特征在于，所述将所有监测结果进行...

【专利技术属性】
技术研发人员：张军，郑增荣，李友军，胡辉，江子君，宋杰，
申请(专利权)人：杭州鲁尔物联科技有限公司，
类型：发明
国别省市：